DocumentFormat.OpenXml.Paragraphを使用して、.DOCXから画像を抽出し画像をテキストで置換する方法は？

Comments

1. 

   @t0208n

   more_horiz

   "ExtractImages"メソッドはどのように呼び出されているのでしょうか。

2. 

   @yuuty

   Questioner

   more_horiz

   @mrbonjin さん
   ありがとうございます。

   var picture = run.Descendants<DocumentFormat.OpenXml.Wordprocessing.Picture>().FirstOrDefault();

   にしたらpicture取得できました。ただ、以降の処理をどう書けばいいか模索中です。

3. 

   @yuuty

   Questioner

   more_horiz

   @t0208n さん
   長いですが下のコードのimageFileIndex = WordTextAnalysis.ExtractImages(document, nextParagraph, imageFileIndex, outputFolderPath, midashi);から呼び出しています。

   using (WordprocessingDocument document = WordprocessingDocument.Open(outputFolderPath + "\\" + fileNameDocx, true))
   {
       Paragraph[] paragraphs = document.MainDocumentPart.Document.Body.Descendants<Paragraph>().ToArray();
       int sectionIndex = 1;
       int imageFileIndex = 0;
       for (int i = 0; i < paragraphs.Length; i++)
       {
   
           // 同じ表をコピーしないようにするためのチェック用List
           List<string> TableFileList = new List<string>();
   
           Paragraph paragraph = paragraphs[i];
           if (WordTextAnalysis.IsHeading(paragraph))
           {
               var midashi = paragraph.InnerText;
   
               // 新しい.docxファイルを作成して元のコンテンツをコピーする
               string outputFilePath = Path.Combine(outputFolderPath, $"本文{sectionIndex.ToString("D3")}_{midashi}.docx");
               Console.WriteLine($":::{outputFilePath}");
               using (WordprocessingDocument newDocument = WordprocessingDocument.Create(outputFilePath, WordprocessingDocumentType.Document))
               {
            
                   foreach (var part in document.Parts)
                   {
                       newDocument.AddPart(part.OpenXmlPart, part.RelationshipId);
                   }
                   newDocument.MainDocumentPart.Document.Body.RemoveAllChildren();
   
                   // 元のWordのページ設定を引き継ぐ
                   foreach (var sourceSectionProps in document.MainDocumentPart.Document.Descendants<SectionProperties>())
                   {
                       SectionProperties newSectionProps = (SectionProperties)sourceSectionProps.CloneNode(true);
                       newDocument.MainDocumentPart.Document.Body.Append(newSectionProps);
                   }
   
                   // 見出し内のコンテンツをコピー ※見出しは出力する.docxに含めない
                   for (int j = i + 1; j < paragraphs.Length; j++)
                   {
                       Paragraph nextParagraph = paragraphs[j];
                       if (WordTextAnalysis.IsHeading(nextParagraph))
                       {
                           // 次の見出しまでコンテンツをコピー
                           break;
                       }
   
   
   
                       // 画像抽出
                       // 画像を段落から抜き取り、フォルダに保存し、画像の位置に変数出力
                       imageFileIndex = WordTextAnalysis.ExtractImages(document, nextParagraph, imageFileIndex, outputFolderPath, midashi);
   
   
   
                       // 段落内の表コピー
                       foreach (var element in nextParagraph.Ancestors())
                       {
                           // 同じ表が既に新しいドキュメントにコピーされていない場合は表コピー
                           if (element.LocalName == "tbl" && !TableFileList.Contains(element.InnerXml))
                           {
                               if (element.Parent.LocalName == "tc")
                               {
                                  // 表の中の表なので処理しない
                                   continue;
                               }
   
                               newDocument.MainDocumentPart.Document.Body.Append(element.CloneNode(true));
                               TableFileList.Add(element.InnerXml);
                               break;
                           } 
                       }
   
                       // 段落が表以外の場合はコンテンツをコピー
                       if (nextParagraph.Parent.LocalName != "tc")
                       {
                           newDocument.MainDocumentPart.Document.Body.Append(nextParagraph.CloneNode(true));
   
                           // このタイミングで同じ表をコピーしないようにするためのチェック用Listをクリア
                           // ※別段落で同じ表が存在するためクリアする必要あり
                           TableFileList = new List<string>();
                       }
   
                   }
   
               }
   
               sectionIndex++;
           }
       }
   }
   

4. 

   @t0208n

   more_horiz

   ありがとうございます。Pictureに変更したら取得できたということで、前段のコードには問題がなさそうですね。

   ちなみに取得したPictureの子要素に画像の実態があるような気がしますが、その子要素はどのクラスになっていますでしょうか？

5. 

   @yuuty

   Questioner

   more_horiz

   以下、実際のxmlになります。タグ構造だけ抜粋しております。

   <w:pict xmlns:w="http://schemas.openxmlformats.org/wordprocessingml/2006/main">
     <v:shapetype>
       <v:stroke />
       <v:formulas>
         <v:f />
       </v:formulas>
       <v:path />
       <o:lock />
     </v:shapetype>
     <v:shape id="_x0000_i1025">
       <v:imagedata o:title="" r:id="rId7" xmlns:r="http://schemas.openxmlformats.org/officeDocument/2006/relationships" xmlns:o="urn:schemas-microsoft-com:office:office" />
     </v:shape>
   </w:pict>
   

   上記のxmlの内容を踏まえて、以下のコードでやりたいことを実現できました。
   @mrbonjin さん、@t0208n さん
   ご協力ありがとうございました。

   ※document.Packageを使用するために、Open Xmlはversion 2.15.0を使用してます。

   public static void ExtractImages(WordprocessingDocument document, Paragraph paragraph, string imageOutPath, string midashi)
   {
   
       foreach (var run in paragraph.Descendants<Run>())
       {
           var picture = run.Descendants<Picture>().FirstOrDefault();
   
           if (picture != null)
           {
               // Picture要素内のv:imagedata要素を取得する
               ImageData imageData = picture.Descendants<ImageData>().FirstOrDefault();
   
               // v:imagedata要素のr:id属性を取得する
               string imageId = imageData.RelationshipId;
               var imagePart = (ImagePart)document.MainDocumentPart.GetPartById(imageId);
   
               // 画像を指定のパスに保存
               var uri = imagePart.Uri;
               var extention = System.IO.Path.GetExtension(uri.ToString().Split('/').Last());   //拡張子取得
               var imageFilename = uri.ToString().Split('/').Last().Replace(extention, "");     //ファイル名取得
               string fileName = $"{imageFilename}_{midashi}{extention}";
               var stream = document.Package.GetPart(uri).GetStream();
   
               Bitmap b = new Bitmap(stream);
               b.Save(imageOutPath + "\\" + fileName);
   
   
               // 画像を削除し、テキストで置き換える
               run.RemoveAllChildren();
               run.Append(new Text("@@" + fileName + "@@"));
           }
          
       }
   }